基于模糊神經(jīng)網(wǎng)絡(luò)的學(xué)生科學(xué)素養(yǎng)影響機制研究

摘 " 要：科學(xué)素養(yǎng)的影響機制對教育策略優(yōu)化、人才培養(yǎng)質(zhì)量提升，以及社會科技創(chuàng)新與可持續(xù)發(fā)展具有深遠影響。然而，傳統(tǒng)的經(jīng)典教育統(tǒng)計學(xué)方法難以全面揭示這一復(fù)雜過程。為突破這一局限，采用先進的模糊神經(jīng)網(wǎng)絡(luò)技術(shù)，對包含53個國家共計113，314個有效樣本的PISA2015數(shù)據(jù)庫進行深度的數(shù)據(jù)挖掘分析。在特征選擇后，識別出十項對學(xué)生科學(xué)素養(yǎng)提升具有積極影響的因素和一項消極影響因素。結(jié)果顯示，社會經(jīng)濟發(fā)展水平是決定學(xué)生科學(xué)素養(yǎng)水平的關(guān)鍵因素；家庭教育投入與科學(xué)素養(yǎng)水平之間存在最強關(guān)聯(lián)性；學(xué)習(xí)品質(zhì)、高階思維能力及科學(xué)本質(zhì)理解在科學(xué)素養(yǎng)發(fā)展中起到核心推動作用；而信息技術(shù)的應(yīng)用在影響學(xué)生科學(xué)學(xué)業(yè)表現(xiàn)上呈雙刃劍效應(yīng)。基于以上發(fā)現(xiàn)，建議教育領(lǐng)域順應(yīng)智能時代趨勢，利用機器學(xué)習(xí)進行數(shù)據(jù)挖掘，推動計算教育學(xué)研究范式的轉(zhuǎn)型；優(yōu)化教育資源分配結(jié)構(gòu)以促進科學(xué)素養(yǎng)教育公平；并革新學(xué)生培養(yǎng)策略，以實現(xiàn)學(xué)生科學(xué)素養(yǎng)的高質(zhì)量發(fā)展。

關(guān)鍵詞：科學(xué)教育；科學(xué)素養(yǎng)；PISA2015；模糊神經(jīng)網(wǎng)絡(luò)；影響機制

中圖分類號：G434 " " " " 文獻標志碼：A " " " " 文章編號：1673-8454（2024）06-0092-10

一、引言

科學(xué)教育的核心目標是培養(yǎng)并提升學(xué)生的科學(xué)素養(yǎng)，該議題在全球范圍內(nèi)備受關(guān)注，并被眾多國家視為衡量其教育體系整體效能的關(guān)鍵指標。為有效提升學(xué)生的科學(xué)素養(yǎng)水平，各國政府紛紛加大對各級學(xué)校特別是資源匱乏學(xué)校的科學(xué)教育資源投入力度，旨在實現(xiàn)科學(xué)教育在地域與階層間的均衡發(fā)展。然而，相關(guān)學(xué)者的經(jīng)典研究揭示一個悖論：盡管政府財政支持對教育系統(tǒng)至關(guān)重要，但單純的經(jīng)費投入并不能確保學(xué)業(yè)成就的顯著提升。[1]因此，需要從其他方面對學(xué)生科學(xué)學(xué)業(yè)成就與科學(xué)素養(yǎng)的形成因素進行研究分析。

國際學(xué)術(shù)界對影響學(xué)生學(xué)業(yè)成就因素的研究歷程復(fù)雜且深入，經(jīng)歷從單一因素識別、多因素層次分析到復(fù)雜的交互結(jié)構(gòu)探索等階段，然而，至今尚未能完全揭開影響科學(xué)素養(yǎng)形成的內(nèi)在機理。在教育學(xué)領(lǐng)域產(chǎn)生深遠影響的《可見的學(xué)習(xí)》（Visible Learning）一書中，相關(guān)學(xué)者團隊歷經(jīng)15載，整合分析超過5萬份獨立研究和涉及2.5億學(xué)生的800多項元分析數(shù)據(jù)。[2]作為全球社會科學(xué)最大規(guī)模的元分析項目之一，該研究將影響學(xué)業(yè)成績的138個關(guān)鍵變量歸納為六大范疇，即教師素質(zhì)、課程設(shè)計、教學(xué)方法、學(xué)生個體特性、家庭背景及學(xué)校環(huán)境。通過細致的聚類分析，發(fā)現(xiàn)國際上關(guān)于科學(xué)學(xué)業(yè)成就研究的熱點主要集中在九個核心領(lǐng)域，包括優(yōu)化學(xué)習(xí)環(huán)境、社會經(jīng)濟狀況的影響、高質(zhì)量科學(xué)教師的重要性、有效的教學(xué)與學(xué)習(xí)策略、明確的學(xué)業(yè)目標設(shè)定、家長積極參與度、積極的態(tài)度與動機形成、有益的學(xué)習(xí)行為模式以及個人特質(zhì)的塑造。

但是，在科學(xué)素養(yǎng)影響因素的量化研究方法上，現(xiàn)有研究多傾向于采用經(jīng)典統(tǒng)計學(xué)的經(jīng)驗主義框架，即便對最新的涉及學(xué)生認知、情感、師生互動等復(fù)雜關(guān)系的研究，也往往局限于對少數(shù)變量進行微觀假設(shè)。針對這一現(xiàn)狀，有學(xué)者指出，在經(jīng)驗主義盛行的黃金時代（自1990年代以來），已有研究成果大多利用統(tǒng)計學(xué)方法探討較為直觀和易于獲取的影響因素，而留給后續(xù)研究者的則是更為復(fù)雜且難以量化的難題。[3]因此，亟需從計算教育學(xué)的新視角出發(fā)，對教育學(xué)數(shù)據(jù)進行更深層次的挖掘與解析。相關(guān)學(xué)者在《科學(xué)》雜志發(fā)表的具有里程碑意義的文章《計算社會科學(xué)》[4]以及《自然》期刊所載述的綜述文章《計算社會科學(xué)：構(gòu)建關(guān)聯(lián)》[5]標志著計算社會科學(xué)時代的崛起，預(yù)示著借助計算機技術(shù)和大規(guī)模數(shù)據(jù)分析來理解、解釋社會現(xiàn)象的方法逐漸成為主流。

作為研究教育現(xiàn)象及其規(guī)律的社會科學(xué)分支，教育學(xué)在智能時代的研究范式正經(jīng)歷向計算教育學(xué)的轉(zhuǎn)型。[6]在此背景下，本研究運用計算教育學(xué)中的模糊神經(jīng)網(wǎng)絡(luò)方法，選取主要評估科學(xué)素養(yǎng)的PISA2015數(shù)據(jù)集，旨在揭示青少年科學(xué)素養(yǎng)背后的影響機制黑箱，并深入探究其提升的關(guān)鍵途徑與策略。

二、科學(xué)素養(yǎng)的當代意蘊

科學(xué)素養(yǎng)的內(nèi)涵受到社會發(fā)展的影響不斷變化，縱觀國際學(xué)界的發(fā)展脈絡(luò)，取向演進主要經(jīng)三個階段，體現(xiàn)從科學(xué)知識到探究實踐再到社會參與的多維升格。

（一）科學(xué)內(nèi)容知識的經(jīng)驗主義科學(xué)素養(yǎng)觀

科技的革命演進令人們愈加意識到科學(xué)技術(shù)人才對社會進步的巨大推動作用，培養(yǎng)具備縱深科學(xué)知識的精英科學(xué)家群體成為科學(xué)素養(yǎng)目標的最初形態(tài)。有學(xué)者于1966年率先提出科學(xué)素養(yǎng)的內(nèi)涵結(jié)構(gòu)，將其概括為科學(xué)和社會的相互關(guān)系、倫理、科學(xué)的本質(zhì)、概念性知識、科學(xué)技術(shù)、人文中的科學(xué)6個領(lǐng)域，[7]并強調(diào)科學(xué)知識在其間的核心地位。20世紀70年代，層次學(xué)派受其啟發(fā)，從科學(xué)知識與科學(xué)觀念的視角出發(fā)，將科學(xué)素養(yǎng)評定劃分出三種水平：理解科學(xué)詞匯；閱讀、書寫并討論科學(xué)問題；深入理解科學(xué)事業(yè)的發(fā)展變化、科學(xué)概念的來龍去脈。[8]由此可見，這一時期倡導(dǎo)的科學(xué)素養(yǎng)主要從職業(yè)科學(xué)家的工作經(jīng)驗出發(fā)，本質(zhì)是對科學(xué)研究所需具備的知識、方法和倫理的概括，尚少關(guān)注科學(xué)的實際應(yīng)用以及科學(xué)與人們?nèi)粘Ｉ畹穆?lián)系。

（二）科學(xué)知識情境性的實用主義科學(xué)素養(yǎng)觀

教育研究和社會團體在科學(xué)知識普及過程中逐漸注意到，科學(xué)知識不可能脫離實踐情境而抽象地存在，科學(xué)素養(yǎng)的培養(yǎng)更應(yīng)當與情境化的實踐活動相結(jié)合。基于此，美國科學(xué)促進會于1989年發(fā)布“2061計劃”《面向全體美國人的科學(xué)》，將科學(xué)素養(yǎng)內(nèi)涵概括為科學(xué)世界觀、科學(xué)探究方法和科學(xué)事業(yè)理念，強調(diào)科學(xué)素養(yǎng)涉及“自然科學(xué)、社會科學(xué)、數(shù)學(xué)和技術(shù)”三種領(lǐng)域情境。[9]社會科學(xué)情境首次被納入科學(xué)素養(yǎng)范疇，科學(xué)知識在具體情境中的理解與應(yīng)用也逐漸被認可。2006年，OECD為測評公民水平研制PISA試題，將科學(xué)素養(yǎng)分為科學(xué)情境、科學(xué)知識、科學(xué)能力與科學(xué)態(tài)度4個維度，同樣強調(diào)科學(xué)在不同情境中的差異性體現(xiàn)。科學(xué)教育領(lǐng)域?qū)W者也將這一時期的概念發(fā)展總結(jié)為兩個視角：一個是從科學(xué)自身向內(nèi)看科學(xué)的視角，包括規(guī)則和理論、假設(shè)和實驗等科學(xué)過程；一個是在科學(xué)事業(yè)所扮演角色的外部情境中看待科學(xué)。[10]這一階段的科學(xué)素養(yǎng)內(nèi)涵在保留科學(xué)知識和科學(xué)方法的基礎(chǔ)上，注重科學(xué)知識在社會實踐情境中的實用價值，且不再局限于少數(shù)精英，而是面向全體公民。

（三）與科學(xué)相關(guān)社會問題的人本主義科學(xué)素養(yǎng)觀

科技迅速發(fā)展帶來的一系列困境和挑戰(zhàn)，如環(huán)境破壞、能源危機、倫理困境等，讓更多學(xué)者關(guān)注個體科學(xué)素養(yǎng)在社會參與中的價值實現(xiàn)。2013年國際著名科學(xué)教育學(xué)者柳秀峰提出科學(xué)素養(yǎng)的三重愿景，即科學(xué)內(nèi)容、科學(xué)技術(shù)社會問題和社會參與性。[11]科學(xué)素養(yǎng)的內(nèi)涵得以延伸，科學(xué)和技術(shù)相關(guān)的社會問題也受到重視和關(guān)注，這一概念也因此對學(xué)術(shù)界及科學(xué)教育政策制定產(chǎn)生廣泛的影響。社會問題背景下的人本主義科學(xué)素養(yǎng)觀持續(xù)演進，歐盟于2019年發(fā)布《作為教育挑戰(zhàn)的科學(xué)和科學(xué)素養(yǎng)》（Science and Scientific Literacy as an Educational Challenge）提出五維科學(xué)素養(yǎng)框架，包括科學(xué)基本素養(yǎng)、科學(xué)知識與能力、批判性思維、科學(xué)情境理解、科學(xué)參與，強調(diào)科學(xué)素養(yǎng)作為公民運用科學(xué)思維和參與科學(xué)問題決策的能力本質(zhì)。[12]PISA2025將“科學(xué)態(tài)度”替換為“科學(xué)身份”，從科學(xué)資本、批判的科學(xué)使用者、包容的科學(xué)經(jīng)驗和實踐、道德倫理和價值觀等方面強調(diào)公民的科學(xué)身份認同，首次從道德層面闡釋科學(xué)素養(yǎng)，強調(diào)科學(xué)素養(yǎng)的人文價值性。我國2022年義務(wù)教育科學(xué)課程標準，將科學(xué)學(xué)科核心素養(yǎng)劃分為科學(xué)觀念、科學(xué)思維、探究實踐、態(tài)度責任4個維度，提出對培養(yǎng)具備科學(xué)素養(yǎng)的公民在踐行社會責任方面的要求。這一階段的科學(xué)素養(yǎng)基于人類命運共同體和可持續(xù)發(fā)展的視角，密切關(guān)注科學(xué)技術(shù)、科技政策以及科技在社會發(fā)展中的角色。[13]科學(xué)素養(yǎng)內(nèi)涵逐步實現(xiàn)從科學(xué)知識到探究實踐再到社會參與的意蘊升格。

綜上，鄭永和、周丹華和王晶瑩從科學(xué)內(nèi)部到外部社會領(lǐng)域逐層剖析，將科學(xué)素養(yǎng)定位為公民在科學(xué)社會生活中的必備品格和關(guān)鍵能力，并將其本質(zhì)內(nèi)涵概括為科學(xué)內(nèi)容（科學(xué)理解和知識）、探究實踐（像科學(xué)家一樣做科學(xué)）、科學(xué)思維（基礎(chǔ)、通用與高階思維）、科學(xué)技術(shù)與社會（科學(xué)態(tài)度、責任與價值觀），以及科學(xué)參與和決策（社會、文化、政治和環(huán)境）五重愿景。[14]

三、研究方法

（一）數(shù)據(jù)來源

本文所使用的數(shù)據(jù)來自經(jīng)濟合作與發(fā)展組織（OECD）2015年在全球70多個國家和地區(qū)進行的“國際學(xué)生評估項目”（Program for International Student Assessment，以下簡稱PISA）。PISA測試主要面向年齡在15歲左右的學(xué)生，測試范圍覆蓋從小學(xué)到高中階段的知識和技能，并探查參與測試學(xué)生的家庭環(huán)境、生活習(xí)慣。因此，PISA測試結(jié)果能夠較為全面地反映家庭環(huán)境、生活習(xí)慣對學(xué)生成績的影響。PISA測試學(xué)科聚焦在數(shù)學(xué)、閱讀和科學(xué)素養(yǎng)，因而測試結(jié)果能夠較好地反映學(xué)生在數(shù)學(xué)、閱讀，以及科學(xué)領(lǐng)域的學(xué)習(xí)素養(yǎng)、綜合能力。PISA測試主要分兩階段進行抽樣，先利用分層隨機抽樣方法抽取學(xué)校樣本，然后，在每所學(xué)校隨機抽取特定比例和數(shù)量的學(xué)生樣本。PISA2015主測科學(xué)素養(yǎng)，測試學(xué)生的樣本總數(shù)為519，334人，但在學(xué)生家庭環(huán)境、生活習(xí)慣的調(diào)查問卷中，有些國家和地區(qū)的學(xué)生數(shù)據(jù)缺失量較大，為最大程度地保證數(shù)據(jù)的完整性，本文統(tǒng)計每個樣本的總?cè)笔е祩€數(shù)，并刪除總?cè)笔е禂?shù)大于20個的樣本，最終保留53個國家和地區(qū)，其中Montenegro的樣本量最小，為2，138個，為確保樣本均衡，剩余所有國家都保留2，138個樣本，取各個國家缺失值的最小值，即2，138個樣本，最后總共獲得來自53個國家的113，314個樣本。參加測試的學(xué)生樣本數(shù)詳見表1。綜上，參加PISA2015測試學(xué)生的樣本總數(shù)為519，334人，經(jīng)過有效性篩選后的樣本學(xué)生數(shù)為113，314人。其中男生有效樣本為51，593人，占有效樣本的45.53%，女生有效樣本為61，721人，占有效樣本的54.47%。

（二）數(shù)據(jù)分析方法

為研究變量對成績的影響，本研究將成績分為4類，分別為平均分以上兩類、平均分以下兩類。平均分以上兩類從平均分以上部分取均值，大于均值的為成績優(yōu)，小于均值的為成績良；平均分以下兩類從平均分以下部分取均值，大于均值的為成績中，小于均值的為成績差。本文的數(shù)據(jù)分析過程主要分為兩個階段。第一階段為數(shù)據(jù)降維，主要采用巴氏距離方法為變量的分類能力進行估值，并取估值最大的100個變量作為預(yù)選數(shù)據(jù)組。第二階段為最優(yōu)變量組提取階段，主要采用模糊神經(jīng)網(wǎng)模型，從預(yù)選數(shù)據(jù)組中選擇對成績分類效果最好的變量組合。

1.巴氏距離

為評估變量對樣本分類的貢獻值，需要提供一種衡量變量分類價值的標準，本研究采用變量類加權(quán)巴氏距離（Bhattacharyya distance）作為度量變量對分類貢獻的指標。它是一種模型獨立的特征選取方法。參考相關(guān)學(xué)者的建議，[15]將一個變量在第i類樣本與其余樣本間的巴氏距離定義為：

其中，類別標號i=1，2，3，4，分別對應(yīng)成績分類1，2，3，4。μi+（g）、σ2i+（g）分別為變量g在第i類樣本（正樣本）中的均值和方差，μi-（g）、σ2i-（g）為變量在樣本中除第i類樣本外的其余樣本（負樣本）中的均值和方差。從模式分類的角度看，某個變量的巴氏距離越大，表明兩個分布在該特征方向上的可分性就越好。

而由于具有四種樣本，為衡量基因?qū)λ姆N分類的貢獻，對各類樣本的巴氏距離進行加權(quán)，計算公式如下：

其中ni是數(shù)據(jù)集中第i類的樣本數(shù)，n為樣本總數(shù)。

2.加權(quán)模糊隸屬函數(shù)神經(jīng)網(wǎng)絡(luò)

本研究采用一個具有加權(quán)模糊隸屬函數(shù)的神經(jīng)網(wǎng)絡(luò)（Neural Network with Weighted Fuzzy Membership Function，簡稱NEWFM）為學(xué)生成績分類，并用它來選擇分類成績的最小特征組。NEWFM提供一個非重疊區(qū)域分布的測量方法，使其具有最小特征選擇的優(yōu)勢。NEWFM是一種基于加權(quán)模糊隸屬函數(shù)有界和的監(jiān)督分類模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)（Lim，2006）。NEWFM的結(jié)構(gòu)如圖1所示，由三層組成，即輸入（input）、超盒（hyperbox）和類分層（class）。輸入層包含由n個輸入模式構(gòu)成的輸入節(jié)點。超盒層包含m個超盒節(jié)點，每個超盒節(jié)點都連接一個節(jié)點，并且每個超盒節(jié)點Bi都包含n個BSWFMs，每個BSWFMs都構(gòu)建于一個對應(yīng)的輸入節(jié)點。輸出層包含p個輸出節(jié)點。輸出節(jié)點接收上一層節(jié)點的輸入，進行計算后將結(jié)果輸出。每一個輸出節(jié)點都連接一個或者多個超盒節(jié)點。第h個輸入節(jié)點可以被標識為Ih={Ah=（a1，a2，a3，…，an），class}，其中Ah是一個輸入樣本，它由n個特征值組成，class是這個樣本的分類結(jié)果。

超盒節(jié)點Bi與輸出節(jié)點Ci之間由一個連接權(quán)重Wli連接。連接權(quán)重Wli的初始值為0。一個超盒節(jié)點只能連接一個輸出節(jié)點，一個輸出節(jié)點可以連接一個或者多個超盒節(jié)點。每個超盒節(jié)點Bi都包含n個模糊集，每個模糊集都構(gòu)建于一個對應(yīng)的輸入節(jié)點，每個模糊集都是由3個加權(quán)模糊隸屬函數(shù)（Weighted Fuzzy Membership Functions，簡稱WFMs）組成。根據(jù)3個WFMs，給每個模糊集計算一個BSWFMs值，由每個模糊集的BSWFMs值可給每個超盒計算一個輸出值。對于輸出節(jié)點Ci，輸出值最大的超盒，與此輸出節(jié)點的連接權(quán)重Wli=1。只有當輸入樣本的類別是i，并且權(quán)重Wli=1時，相應(yīng)的超盒才會被模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。

在本研究中，用NEWFM訓(xùn)練分類模型時，輸入節(jié)點為學(xué)生樣本，特征變量為學(xué)生問卷題目，輸出節(jié)點為學(xué)生科學(xué)成績的分類。NEWFM不僅可以訓(xùn)練分類模型，還可以提取最優(yōu)特征組。在做特征選擇的時候，NEWFMs使用的是不重疊面積法（non-overlapped areas）。對各個特征不同類別的模糊函數(shù)形成的不重疊面積進行計算，不重疊面積越大，則此特征越有利于數(shù)據(jù)集分類。

四、研究結(jié)果與分析

本研究在用NEWFM提取特征之前，先使用巴氏距離對特征進行初步篩選，選出巴氏距離排名前100的特征作為NEWFM初始訓(xùn)練集。最終NEWFM從100個特征中提取出10個最優(yōu)特征作為學(xué)生科學(xué)成績分類特征，具體提取過程為：從100個特征開始做初始訓(xùn)練，設(shè)定NEWFM訓(xùn)練的目標識別率為60%，訓(xùn)練過程中，識別率每超過60%神經(jīng)網(wǎng)學(xué)習(xí)1次，設(shè)定學(xué)習(xí)1，000次為一組訓(xùn)練。在此過程中，NEWFM會根據(jù)不重疊面積法評價各個特征的表現(xiàn)情況，對訓(xùn)練過程中特征表現(xiàn)的優(yōu)劣進行計數(shù)。1，000次學(xué)習(xí)結(jié)束后，將每個特征表現(xiàn)較差的次數(shù)進行排序，刪除表現(xiàn)不好、次數(shù)最多的兩個特征，剩下的特征作為新的特征集進入下一輪的訓(xùn)練，重復(fù)這個過程直到識別率達到最大值，結(jié)束訓(xùn)練，最終保留的特征即為最優(yōu)特征集。處理流程如圖2所示。

巴氏距離特征排序結(jié)果的特征依次如下：家中是否聯(lián)網(wǎng)、初中階段是否留級、小學(xué)階段是否留級、上學(xué)前是否工作賺錢、留級、對溫室氣體環(huán)境問題的熟悉度、學(xué)業(yè)堅持性和預(yù)習(xí)習(xí)慣、家中藏書量、家中是否有用于完成學(xué)校作業(yè)的電腦、家中的財產(chǎn)（WLE）、國家的社會經(jīng)濟文化背景（ESCS）、高中是否留級、個人原因缺失值、每周用于語言學(xué)習(xí)的時間、放學(xué)后是否工作賺錢、最近兩周是否逃課、家中計算機的數(shù)量。家里是否聯(lián)網(wǎng)成為排在首位的影響因素，留級行為、學(xué)習(xí)堅持性、家中的技術(shù)資本、本國和家庭的社會經(jīng)濟文化背景、個人原因答案缺失、學(xué)習(xí)時間、自我期望等都是排名靠前的影響因素。

通過運用NEWFM算法進行訓(xùn)練和篩選，從原始的100個特征中提煉出11個對學(xué)生科學(xué)學(xué)業(yè)成就影響最大的最小特征集合。在NEWFM特征選擇過程中，總共執(zhí)行21輪特征刪除操作。每次刪除的依據(jù)是：首先對每個特征進行1，000次NEWFM訓(xùn)練，并統(tǒng)計本輪訓(xùn)練中各個特征表現(xiàn)優(yōu)劣的次數(shù)。在特征數(shù)量較多的初始階段，設(shè)定閾值為表現(xiàn)不佳次數(shù)大于100的特征，將這些特征優(yōu)先剔除。隨著特征數(shù)量逐漸減少，進入后期階段時，我們則按照特征表現(xiàn)不佳次數(shù)的排名來決定刪除哪些特征，通常會移除表現(xiàn)最差的一至兩個特征。在特征選擇流程中，隨著所選特征數(shù)量的遞減，分類識別率逐漸提升。最終在選定以下全部11個特征形成組合時達到最優(yōu)峰值。這11個關(guān)鍵特征中，有10個被證實對科學(xué)學(xué)業(yè)成就具有正面促進作用，有1個被認定為有負面作用。正面作用的因素包括：①是不是OECD國家，②家里是否有專門的學(xué)習(xí)桌，③家里是否有安靜的學(xué)習(xí)位置，④家里是否有用于完成學(xué)校作業(yè)的電腦，⑤家里是否聯(lián)網(wǎng)，⑥家里是否有與學(xué)校作業(yè)相關(guān)的輔導(dǎo)書籍，⑦放學(xué)后是否吃晚飯，⑧困難堅持和預(yù)習(xí)功課等學(xué)習(xí)習(xí)慣的判斷，⑨獨立解決知識問題的能力，⑩認可基于多個實驗的證據(jù)得到科學(xué)結(jié)論；唯一的負面因素是網(wǎng)絡(luò)聊天。

五、研究結(jié)論

一是國家經(jīng)濟發(fā)展水平直接決定學(xué)生科學(xué)素養(yǎng)水平。

本研究發(fā)現(xiàn)對學(xué)生學(xué)業(yè)水平影響因素中最顯著的特征是國家發(fā)展水平。樣本涉及58個國家，國家間經(jīng)濟實力差異巨大，OECD國家普遍在公共財政教育支出（包含教育事業(yè)費、基建經(jīng)費以及教育費附加）占公共財政總支出的比例，以及國家財政性教育經(jīng)費和公共財政教育支出占國內(nèi)生產(chǎn)總值（GDP）的比例都處于高水平，且教育投入規(guī)模均在持續(xù)增大。[16]這一發(fā)現(xiàn)證實，隨著幾十年來經(jīng)費投入規(guī)模不斷擴大，教育投入的累積效應(yīng)已經(jīng)顯現(xiàn)。國家發(fā)展水平與教育投入水平直接決定學(xué)校教育基礎(chǔ)設(shè)施、教師專業(yè)質(zhì)量等關(guān)鍵教育資源，[17]直接決定教育質(zhì)量，影響學(xué)生科學(xué)學(xué)業(yè)水平。

二是家庭教育投入與學(xué)生科學(xué)素養(yǎng)水平關(guān)聯(lián)性最強。

本研究挖掘出的影響因素②-⑦均為家庭經(jīng)濟社會地位因素，這打破中國傳統(tǒng)“窮人的孩子早當家”的固有印象，也許家庭經(jīng)濟條件差的孩子，能夠理解生活的困苦、懂得為家庭承擔責任。但本研究表明家庭生活艱苦的孩子很難有機會將這份責任擔當轉(zhuǎn)化為學(xué)習(xí)的動力。家庭投資理論提出，在個體成長過程中，家庭是影響個體社會化發(fā)展的重要場所，不同家庭環(huán)境中所擁有的經(jīng)濟資本、文化資本和社會資本，在不同程度上影響孩子的思想態(tài)度、求學(xué)歷程以及未來生活。[18]本研究的數(shù)據(jù)分析結(jié)果補充家庭投資理論[19]，表明即使家庭無法提供優(yōu)渥的經(jīng)濟支持，但至少需要為學(xué)生提供專門的學(xué)習(xí)桌、安靜的學(xué)習(xí)位置、用于完成學(xué)校作業(yè)的電子設(shè)備、互聯(lián)網(wǎng)、與學(xué)校作業(yè)相關(guān)的輔導(dǎo)書籍，并且保障孩子在放學(xué)后能夠及時吃晚飯補充營養(yǎng)。

三是學(xué)習(xí)品質(zhì)、高階思維和科學(xué)本質(zhì)理解對科學(xué)素養(yǎng)發(fā)展起到關(guān)鍵作用。

數(shù)據(jù)分析得到的關(guān)鍵特征“⑧困難堅持和預(yù)習(xí)功課等學(xué)習(xí)習(xí)慣的判斷”屬于學(xué)習(xí)品質(zhì)，對應(yīng)科學(xué)素養(yǎng)中的科學(xué)技術(shù)與社會；“⑨獨立解決知識問題的能力”屬于高階思維，對應(yīng)科學(xué)素養(yǎng)中的科學(xué)思維；“⑩認可基于多個實驗的證據(jù)得到科學(xué)結(jié)論”屬于科學(xué)本質(zhì)理解，對應(yīng)科學(xué)素養(yǎng)中的科學(xué)內(nèi)容，他們均對學(xué)生的科學(xué)素養(yǎng)發(fā)展起到關(guān)鍵作用，這與以往的研究通過分層線性回歸實現(xiàn)的結(jié)構(gòu)方程模型結(jié)果一致，[20]意味著采用機器學(xué)習(xí)開展數(shù)據(jù)挖掘是對傳統(tǒng)教育統(tǒng)計方法的補充與深入。

四是信息技術(shù)在影響學(xué)生科學(xué)學(xué)業(yè)表現(xiàn)上具有雙面性。

信息技術(shù)在教育領(lǐng)域的廣泛應(yīng)用為學(xué)生的科學(xué)學(xué)業(yè)表現(xiàn)帶來巨大的機遇和挑戰(zhàn)。本研究的數(shù)據(jù)結(jié)果也顯示出一種令人困惑的矛盾現(xiàn)象：家庭是否擁有用于完成學(xué)校作業(yè)的電腦和家庭是否聯(lián)網(wǎng)這兩個特征，被認為是對學(xué)生科學(xué)學(xué)業(yè)成績有利的因素，而網(wǎng)絡(luò)聊天則是唯一被視為對學(xué)業(yè)成績有不利影響的特征。電腦與互聯(lián)網(wǎng)的組合為學(xué)生提供豐富的學(xué)習(xí)資源和便利的學(xué)習(xí)方式。擁有電腦和網(wǎng)絡(luò)連接的家庭能夠更輕松地獲取學(xué)習(xí)科學(xué)教育資料、參與在線答疑以及完成學(xué)校布置的在線互動作業(yè)，從而擴大學(xué)生科學(xué)學(xué)習(xí)的知識范圍、為其提供更高效的學(xué)習(xí)方式。[21]然而，“技術(shù)誤用”問題也同樣存在，學(xué)生在沉迷網(wǎng)上聊天時容易分散注意力，無法專注于學(xué)習(xí)任務(wù)，從而影響他們的學(xué)習(xí)效果和成績，這充分證明信息技術(shù)在影響學(xué)生科學(xué)學(xué)業(yè)表現(xiàn)上的雙面性。

六、研究啟示

一是采用機器學(xué)習(xí)開展數(shù)據(jù)挖掘，擁抱智能時代面向計算教育學(xué)的研究范式轉(zhuǎn)型。

計算科學(xué)哲學(xué)在認知論框架下，引入第四類知識形態(tài)——未知的已知（Known Unknowns），即機器通過數(shù)據(jù)和算法處理獲得的知識，這些知識可能尚未被人類充分理解和揭示。這種現(xiàn)象提示我們，由于知識的復(fù)雜性和透明度問題，傳統(tǒng)教育研究方法在知識傳播與獲取過程中可能存在不均衡性，進而導(dǎo)致教育機會與效果的不公平。以往對科學(xué)素養(yǎng)影響機制的研究，大多依賴既有的理論模型進行因素分類或依據(jù)文獻回顧進行聚類分析來歸納總體影響。[22]然而，這類方法往往受限于其固有的主觀性和選擇性偏誤，難以全面揭示影響機制的真實面貌。[23]本研究利用大數(shù)據(jù)分析技術(shù)和機器學(xué)習(xí)算法構(gòu)建動態(tài)模擬模型，深入挖掘那些潛藏的科學(xué)素養(yǎng)影響規(guī)律。從科學(xué)教育的視角出發(fā)，驗證計算教育學(xué)在探索和揭示認知規(guī)律方面的顯著優(yōu)勢，它能夠有效克服傳統(tǒng)研究中的主觀假設(shè)以及確認偏差，從而得出更具公正性和客觀性的研究成果。因此，筆者倡導(dǎo)更多的學(xué)者投入計算教育學(xué)領(lǐng)域的研究，共同揭示教育領(lǐng)域中錯綜復(fù)雜的相互作用機制，以期推動教育體系向智能化方向轉(zhuǎn)型升級。

二是優(yōu)化教育投入結(jié)構(gòu)，促進科學(xué)素養(yǎng)教育公平。

本研究揭示國家經(jīng)濟狀況和家庭教育投入在塑造學(xué)生科學(xué)素養(yǎng)方面的重要地位。中國政府自2011年通過《國務(wù)院關(guān)于進一步加大財政教育投入的意見》以來，堅持教育優(yōu)先發(fā)展戰(zhàn)略，著力提升公共財政對教育支出的占比，以實際行動強化教育資金保障。相關(guān)研究表明，政府的公共教育投資與低收入家庭內(nèi)部的人力資本投入存在一定的替代效應(yīng)，[24]這意味著通過優(yōu)化教育資源分配格局，將更多的教育資源導(dǎo)向弱勢學(xué)校和低收入家庭，有助于縮小這類家庭在子女教育投入上的差距，從而確保不同經(jīng)濟背景的學(xué)生能夠享有公平獲取高質(zhì)量科學(xué)教育的機會。[25]具體策略上，一方面，需持續(xù)加大財政對教育的支持力度，提高教育經(jīng)費占GDP的比例，并針對性地增加對貧困和偏遠地區(qū)學(xué)校的專項資助，用于改善教學(xué)設(shè)施、購置實驗器材等硬件條件，從而縮小地域間的教育資源不均衡問題。另一方面，積極開展公益性質(zhì)的科普活動，普及科學(xué)知識，建立有效的家校溝通機制，增強家長對科學(xué)教育重要性的認知，構(gòu)建有利于培養(yǎng)學(xué)生科學(xué)素養(yǎng)的家庭環(huán)境。通過這種國家層面的經(jīng)濟支持和政策引導(dǎo)雙輪驅(qū)動的方式，切實彌補低收入家庭在科學(xué)教育資源方面的不足，讓更多學(xué)生接觸到優(yōu)質(zhì)的科學(xué)教育，進而整體提升我國學(xué)生的科學(xué)素養(yǎng)水平。這不僅是實現(xiàn)教育公平的核心內(nèi)涵，更是推動國家科技創(chuàng)新能力和經(jīng)濟社會可持續(xù)發(fā)展的基石所在。

三是變革學(xué)生培養(yǎng)策略，促進學(xué)生科學(xué)素養(yǎng)的高質(zhì)量發(fā)展。

學(xué)校教育在科學(xué)素養(yǎng)培養(yǎng)中占據(jù)核心地位，因此改革學(xué)生培養(yǎng)模式至關(guān)重要。為提升學(xué)生的科學(xué)素養(yǎng)，學(xué)校和教師應(yīng)及時更新教學(xué)理念，將重心從單純的科學(xué)知識傳授轉(zhuǎn)向強調(diào)科學(xué)探究的過程，重視培育學(xué)生的自主學(xué)習(xí)能力、批判性思維和創(chuàng)新意識，使學(xué)生深入理解科學(xué)的本質(zhì)與科學(xué)方法的應(yīng)用。通過設(shè)計開放性的探究問題、實驗活動，以及開展項目式學(xué)習(xí)，激發(fā)學(xué)生獨立思考的熱情，并設(shè)置合作性學(xué)習(xí)任務(wù)，讓學(xué)生親身經(jīng)歷科學(xué)家的探索實踐過程，從而促進其科學(xué)素養(yǎng)的全面發(fā)展。[26]同時，家長和學(xué)校應(yīng)當正視信息技術(shù)在科學(xué)教育中的雙重影響。一方面，要強化教師隊伍的科學(xué)教學(xué)與信息技術(shù)整合能力培訓(xùn)，提供專業(yè)支持，讓教師在課堂上運用信息技術(shù)作為教學(xué)工具，以身作則，引導(dǎo)學(xué)生正確使用網(wǎng)絡(luò)等技術(shù)資源進行有效的學(xué)習(xí)和研究。另一方面，必須加強對學(xué)生的信息技術(shù)指導(dǎo)，提高其數(shù)字素養(yǎng)，幫助學(xué)生養(yǎng)成健康合理的網(wǎng)絡(luò)使用習(xí)慣，防止過度沉迷虛擬世界而影響學(xué)業(yè)發(fā)展。綜上所述，通過學(xué)校、教師和家長三方攜手并進，共同采取新的教育理念與行動措施推動科學(xué)教育的全面改革，旨在培養(yǎng)出既掌握科學(xué)方法、具備良好科學(xué)素養(yǎng)，又富有創(chuàng)新精神的高素質(zhì)人才，從根本上提升我國全體學(xué)生的科學(xué)素養(yǎng)水平。

參考文獻：

[1]COLEMAN J. Equality of educational opportunity[M]. Washington： U.S. Government Printing Office， 1966.

[2]HATTIE J. Visible learning： a synthesis of over 800 meta-analyses relating to achievement[M]. London： Routledge， 2009.

[3]LIM J S， WANG D， KIM Y S， et al. A neuro-fuzzy approach for diagnosis of antibody deficiency syndrome[J]. Neurocomputing， 2006，69（7-9）：969-974.

[4]LAZER D， et al. Computational social science[J]. Science， 2009，323：721-723.

[5]GILES J. Computational social science： making the links[J]. Nature， 2012，488：448-450.

[6]高守寶，張舒婷，孟現(xiàn)美，等.機器學(xué)習(xí)在科學(xué)教育評估中的應(yīng)用：維度、領(lǐng)域與規(guī)律[J].中國教育信息化，2023，29（10）：83-92.

[7]魏冰.科學(xué)素養(yǎng)教育的理念與實踐[M].廣州：廣東高等教育出版社， 2006：6.

[8]LIU X. Beyond science literacy： science and the public[J]. International Journal of Environmental and Science Education， 2009，4（3）：301-311.

[9]AMERICAN "ASSOCIATION "FOR THE "ADVANCEMENT OF SCIENCE. Science for all Americans[M]. New York： Oxford University Press， 1990.

[10]ROBERTS D A. Handbook of research on science education[M]. Mahwah， NJ： Lawrence Erlbaum Associates， 2007：730.

[11]LIU X. Expanding notions of scientific literacy： a reconceptualization of aims of science education in the knowledge society[M]. Dordrecht： Springer Netherlands， 2013：23-39.

[12]SIAROVA H， STERNADEL D， SZ？魻NYI E. Research for CULT committee-science and scientific literacy as an educational challenge[R]. European Parliamentary Research Service， 2022-08-11.

[13]王晶瑩.從科學(xué)建構(gòu)到信念實踐的認識論——諾曼·萊德曼科學(xué)教育思想闡釋[J].中國教育信息化，2022，28（10）：40-48.

[14]鄭永和，周丹華，王晶瑩.科學(xué)教育的本質(zhì)內(nèi)涵、核心問題與路徑方法[J].中國遠程教育，2023，43（9）：1-9，27.

[15]DUDA R O， HART P E， STORK D G. Pattern classification（2nd）[M]. New York： John Wiley amp; Sons， 2001：46-48.

[16]陳純槿，郅庭瑾.世界主要國家教育經(jīng)費投入規(guī)模與配置結(jié)構(gòu)[J].中國高教研究，2017（11）：77-85，105.

[17]ALVARADO R， HUMPHREYS P. Big data， thick mediation， and representational opacity[J]. New Literary History， 2017，48：729-749.

[18]LIU J， PENG P， ZHAO B， et al. Socioeconomic status and academic achievement in primary and secondary education： a meta-analytic review[J]. Educational Psychology Review， 2022，34（4）：1-30.

[19]MATTHEWS K A， GALLO L C. Psychological perspectives on pathways linking socioeconomic status and physical health[J]. Annual Review of Psychology， 2011，62：501-530.

[20]AKDODU YILDIZ E， DEMIR M， GELBAL S. Investigating factors affecting scientific literacy with structural equation modeling and multilevel structural equation modeling： case of PISA2015[J]. Cukurova University Faculty of Education Journal， 2022，51（2）：795-824.

[21]王阿習(xí).技術(shù)賦能科學(xué)教育服務(wù)供給路徑與實施建議[J].現(xiàn)代教育技術(shù)，2023，33（8）：12-18.

[22]ALVARADO R， HUMPHREYS P. Big data， thick mediation， and representational opacity[J]. New Literary History， 2017，48：729-749.

[23]李輝，王永紅，宋香全，等.公民科學(xué)素養(yǎng)的影響因素及對策分析[J].河北北方學(xué)院學(xué)報（自然科學(xué)版），2023，39（12）：47-50，55.

[24]NORDBLOM K. Is increased public schooling really a policy for equality？ the role of within-family education[J]. Journal of Public Economics， 2003，87（9-10）：1943-1965.

[25]YUAN C， ZHANG L. Public education spending and private substitution in Urban China[J]. Journal of Development Economics， 2015，115：124-139.

[26]沙沙，王芳，于曉雅.科學(xué)素質(zhì)培養(yǎng)視角下STEM課程的特征分析與發(fā)展趨勢研究[J].中國教育信息化，2021（20）：47-50，55.

Research on the Influence Mechanism of Students’ Scientific Literacy Based

on Fuzzy Neural Network

Jingying WANG1， Lei DU1， Zhenshan RONG1， Xuewei TIAN2

（1.Faculty of Education， Beijing Normal University， Beijing 100875;

2.Normal College， Qingdao University， Qingdao 266071， Shandong）

Abstract： The influence mechanisms of scientific literacy play a profound role in optimizing education policies， enhancing the quality of talent cultivation， and fostering scientific and technological "innovation and sustainable development of the society. However， conventional classical educational statistical approaches struggle to comprehensively unravel this intricate process. To transcend this limitation， an advanced fuzzy neural network technique was employed to conduct an in-depth data mining analysis on the PISA2015 database encompassing 113，314 valid samples from 53 countries. Following meticulous feature selection， ten positively influential factors and one negatively impactful factor for improving students’ scientific literacy were identified. The findings indicate that the level of socio-economic development serves as a critical determinant of students’ scientific literacy levels; family investment in education exhibits the strongest correlation with the development of scientific literacy. Moreover， qualities of learning， higher-order thinking skills， and understanding of the nature of science are pivotal drivers in the advancement of scientific literacy. The application of information technology， on the other hand， exerts a double-edged sword effect on students’ performance in scientific subjects. Based on these empirical discoveries， it is recommended that the education sector align with the trends of the intelligent era by leveraging machine learning for data mining， thereby driving a paradigm shift in computational educational research. Furthermore， restructuring the allocation of educational resources is advocated to promote equitable access to scientific literacy education. "Lastly， reforming student nurturing strategies is essential to realizing the high-quality development of students’ scientific literacy.

Keywords： Science education; Scientific literacy; PISA2015; Fuzzy neural network; Influence mechanism

編輯：王天鵬 " 校對：王曉明

DOI：10.3969/j.issn.1673-8454.2024.06.010

作者簡介：王晶瑩，北京師范大學(xué)教育學(xué)部教授，博士（北京 100875）；杜蕾，北京師范大學(xué)教育學(xué)部博士研究生（北京 100875）；榮振山，北京師范大學(xué)教育學(xué)部碩士研究生（北京 100875）；田雪葳，通訊作者，青島大學(xué)師范學(xué)院講師，博士（山東青島 266071）

基金項目：2020 年國家自然科學(xué)基金面上項目“學(xué)習(xí)環(huán)境對中學(xué)生全球素養(yǎng)的影響機制與循證決策研究：基于機器學(xué)習(xí)的關(guān)聯(lián)規(guī)則挖掘”（編號：72074031）